Halcom 发表于 2017-5-15 21:39:36

BP神经网络工具箱参数详解

p=
t=
p1=
=premnmx(pl)   % p1为选取的一组测试数据
=premnmx(p)    % 输入数据归一化处理
=premnmx(t)    % 目标数据归一化处理
net=newff(, [ 13,3 ], {'tansig','purelin' },'trainlm','learngdm') %建立一个前向的BP 网络,其中隐含层数为13层,输出层为3层
net.trainparam.epochs=10000% 设定训练次数
net.trainparam.goal=0.0001   % 网络的训练目标误差
net.trainparam.lr=0.01       % 设定学习速率
net.trainparam.max_fail=5    % 最大验证失败次数
net.trainparam.mu=0.005      % Marquart调整参数
net.trainparam.mu_dec=0.1    % mu的下降因子
net.trainparam.mu_inc=10   % mu的上升因子
net.trainparam.mu_max= 1e+10    % mu的最大值
net.trainparam.mem_reduc=2      % 权衡计算可比矩阵时占用的内存和计算速度
net.trainparam.min_grad=1 e-2    % 性能函数的最小梯度
net.trainparam.show=25         % 两次显示时间的间隔
net.trainparam.time=inf          % 最长训练时间
an=train(net,pn,tn)            % 训练网络模型
save filename net                % 选择误差小的保存网络
load filename net                % 调用
an=sim(net,pc)                   % 测试
a=postmnmx(an,mint,maxt)         % 反归一化参考:基于神经网络_PID的水泥回转窑温度控制研究_楚万文,2009年,P88页


LJN 发表于 2020-8-21 22:42:42

找到了我需要的资料,谢谢楼主
页: [1]
查看完整版本: BP神经网络工具箱参数详解